基于人脸识别的医保卡盗用风险识别方法及其相关设备技术

本申请实施例属于人工智能领域和数字医疗领域，应用于智慧医疗领域中，涉及一种基于人脸识别的医保卡盗用风险识别方法及其相关设备，方法包括实时获取经过设定区域的人脸图片；在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库；将所述经过设定区域的人脸图片在所述人脸库中进行查找比对，并将比对结果计入设定的数据记录表中；根据数据记录表中的比对结果计算每个人脸图片在每个区域的比对成功率，根据所述比对成功率输出风险级别；根据所述风险级别执行预警操作。本申请还涉及区块链技术，人脸底片、人脸图片数据存储于区块链中。本申请极大提高了医保检查、治疗项目实名的准确率。疗项目实名的准确率。疗项目实名的准确率。

【技术实现步骤摘要】
基于人脸识别的医保卡盗用风险识别方法及其相关设备


[0001]本申请涉及人工智能
和数字医疗领域，尤其涉及一种基于人脸识别的医保卡盗用风险识别方法及其相关设备。

技术介绍

[0002]社会基本医疗保险要求系统中就诊人与实际就诊人必须一致，然而在实际操作过程中，部分医院被报出为追求经济利益，在医院诊疗过程中存在违规代刷社保卡、虚增门诊人数、挂床住院、特殊病造假等违法违规行为。
[0003]传统的医保实名就诊、医疗检查治疗的实名主要依靠：医院就诊或检查医师人工核对，以及医保人工突击突抽查，然而，依靠医院医师核对，占有诊疗时间且无法保证工作的质量；而稽核一般都是依靠人力进行突击抽查，效果有限，同时大量违规的无法发现，无法投入到其他的整体医保管理工作。现有技术也有将人脸识别技术应用到医保实名监控中，但是现有技术只能在机器上进行刷卡，其可以实现就诊人与医保卡上的人保持一致，存在成本高、占地面积大等问题，而且也不能解决就诊人与实际就诊人不一致的问题。
[0004]现有技术所采用的人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，即是采用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。人脸识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。通过人脸识别技术可方便解决考勤、门禁安防、支付认证等多领域的身份认证问题，方便快速成本低。
[0005]为此，如何将人脸识别技术应用在医保实名监控中来解决就诊人与实际就诊人不一致的问题是亟待解决的技术难题。
[0006]同时现有技术还进一步存在以下问题：由于必须要求前去刷卡的人信息与医保卡一致，但是在实际操作过程中，部分患者(尤其是老年患者)行动不便，不能自行刷卡，而需要由家属代为刷卡，并且这种代刷卡行为正常现象，并不违反社会基本医疗保险中关于就诊人与实际就诊人一致的规定，如果采用现有技术中人脸识别技术在医保实名监控的技术方案，必然会存在将这种行为纳入违规现象。

技术实现思路

[0007]本申请实施例的目的在于提出一种基于人脸识别的医保卡盗用风险识别方法、装置、计算机设备及存储介质，以解决医保实名监控中就诊人与实际就诊人不一致以及不能识别代刷卡的问题。
[0008]为了解决上述技术问题，本申请实施例提供一种基于人脸识别的医保卡盗用风险识别方法，采用了如下所述的技术方案：
[0009]一种基于人脸识别的医保卡盗用风险识别方法，包括下述步骤：
[0010]实时获取经过设定区域的人脸图片；
[0011]在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库；
[0012]将所述经过设定区域的人脸图片在所述人脸库中进行查找比对，并将比对结果计入设定的数据记录表中；
[0013]根据数据记录表中的比对结果计算每个人脸图片在每个区域的比对成功率，根据所述比对成功率输出风险级别，所述风险级别包括正常、盗用高风险、盗用低风险以及盗用；
[0014]根据所述风险级别执行预警操作。
[0015]进一步的，所述实时获取经过设定区域的人脸图片包括：
[0016]检测人脸是否出现在摄像头内，若是则抓拍得到人脸图片，并对所述人脸图片进行修正，否则继续检测；
[0017]将修正后的人脸图片输入到预设的神经网络，得到人脸图片的特征测量值；
[0018]所述将所述经过设定区域的人脸图片独立在所述人脸库中进行查找比对，并将比对结果计入设定的数据记录表中包括：
[0019]计算人脸图片的特征测量值的第一欧式距离，以及计算人脸库的人脸底片的第二欧氏距离；
[0020]比较第一欧式距离和第二欧氏距离的差值，若差值在预设阈值内则比对成功，否则比对失败；
[0021]将比对成功或比对失败的比对结果计入设定的数据记录表中。
[0022]进一步的，所述在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库包括：
[0023]获取设定时间内的所有就诊数据形成就诊数据表，所述就诊数据表至少包括就诊人信息和医保卡信息；
[0024]根据就诊数据表中所记载的医保卡信息调取对应的人脸底片，并将所有人脸底片组合建立人脸库。
[0025]进一步的，所述在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库还包括：在设定时间内统计出现与所述医保卡信息对应的就诊人信息的次数、时间及区域，并按照就诊人信息计入数据记录表中。
[0026]进一步的，所述获取设定时间内的所有就诊数据形成就诊数据表包括：
[0027]获取设定时间内的所有就诊数据；
[0028]对所述就诊数据按照设定匹配规则进行筛选处理以形成就诊数据表。
[0029]进一步的，所述将所有人脸底片组合建立人脸库后还包括：
[0030]将人脸库按照设定时间段进行拆分，以形成多个分段人脸库；
[0031]对每个分段人脸库进行压缩处理。
[0032]进一步的，所述根据所述成功率输出风险级别之后，还包括：
[0033]识别所述风险级别；
[0034]若所述风险级别为盗用高风险，则将该盗用高风险所处区域的比对结果输入至预设的校正模型进行校正，并输出校正结果；
[0035]根据所述校正结果再次判断风险级别。
[0036]为了解决上述技术问题，本申请实施例还提供一种医保实名监控装置，采用了如下所述的技术方案：
[0037]获取模块，用于实时获取经过设定区域的人脸图片；
[0038]建库模块，用于在设定时间内根据就诊数据所对应的人脸底片建立人脸库；
[0039]查找比对模块,用于将经过设定区域的人脸图片独立在人脸库中进行查找比对，并将比对结果计入设定的数据记录表中；
[0040]计算模块，用于根据数据记录表中的比对结果计算每个人脸图片在每个区域的比对成功率，根据所述比对成功率输出风险级别，所述风险级别包括正常、盗用高风险、盗用低风险以及盗用；
[0041]预警模块，用于根据所述风险级别执行预警操作；
[0042]所述获取模块、建库模块、查找比对模块、计算模块和预警模块依次连接。
[0043]进一步的，所述获取模块包括：
[0044]检测模块，用于检测人脸是否出现在摄像头内；
[0045]修正模块，用于在人脸出现在摄像头内抓拍人脸图片并对所述人脸图片进行修正。
[0046]特征测量模块，用于将修正后的人脸图片输入到预设的神经网络得到人脸图片的特征测量值。
[0047]为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述的基于人脸识别的医保卡盗用风险识别方法的步骤。
[0048]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人脸识别的医保卡盗用风险识别方法，其特征在于，包括下述步骤：实时获取经过设定区域的人脸图片；在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库；将所述经过设定区域的人脸图片在所述人脸库中进行查找比对，并将比对结果计入设定的数据记录表中；根据数据记录表中的比对结果计算每个人脸图片在每个区域的比对成功率，根据所述比对成功率输出风险级别；根据所述风险级别执行预警操作。2.根据权利要求1所述的基于人脸识别的医保卡盗用风险识别方法，其特征在于，所述实时获取经过设定区域的人脸图片包括：检测人脸是否出现在摄像头内，若是则抓拍得到人脸图片，并对所述人脸图片进行修正，否则继续检测；将修正后的人脸图片输入到预设的神经网络，得到人脸图片的特征测量值；所述将所述经过设定区域的人脸图片独立在所述人脸库中进行查找比对，并将比对结果计入设定的数据记录表中包括：计算人脸图片的特征测量值的第一欧式距离，以及计算人脸库的人脸底片的第二欧氏距离；比较第一欧式距离和第二欧氏距离的差值，若差值在预设阈值内则比对成功，否则比对失败；将比对成功或比对失败的比对结果计入设定的数据记录表中。3.根据权利要求1所述的基于人脸识别的医保卡盗用风险识别方法，其特征在于，所述在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库包括：获取设定时间内的所有就诊数据形成就诊数据表，所述就诊数据表至少包括就诊人信息和医保卡信息；根据就诊数据表中所记载的医保卡信息调取对应的人脸底片，并将所有人脸底片组合建立人脸库。4.根据权利要求3所述的基于人脸识别的医保卡盗用风险识别方法，其特征在于，所述在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库还包括：在设定时间内统计出现与所述医保卡信息对应的就诊人信息的次数、时间及区域，并按照就诊人信息计入数据记录表中。5.根据权利要求3所述的基于人脸识别的医保卡盗用风险识别方法，其特征在于，所述获取设定时间内的所有就诊数据...

【专利技术属性】
技术研发人员：罗伟，
申请(专利权)人：平安医疗健康管理股份有限公司，
类型：发明
国别省市：